Veo 3.1, do Google, aprende a transformar fotos de retrato em vídeos verticais

O vídeo vertical deixou de vez de ser um formato de segunda classe. O Google atualizou seu modelo de geração de vídeo Veo 3.1 e adicionou suporte nativo a vídeos verticais, justamente os que dominam TikTok, Instagram Reels e YouTube Shorts. Mas não se trata apenas de girar o quadro em 90 graus: a empresa reformulou a fundo o mecanismo que define o quanto o vídeo gerado corresponde às imagens de origem.

A ferramenta "Ingredients to Video", apresentada no ano passado, permite enviar até três imagens de referência e criar vídeos a partir delas. Podem ser retratos de personagens, texturas de fundo, elementos de cenário: na prática, "ingredientes" visuais com os quais a rede neural monta o clipe final. O problema da versão anterior era que o modelo muitas vezes "inventava" detalhes e se afastava das referências enviadas. A atualização pretende corrigir isso: o Google promete resultados "mais expressivos e criativos", com uma reprodução "rica" do material original.

Por que o vídeo vertical é o foco desta atualização? A resposta é óbvia. Vídeos verticais curtos geram bilhões de visualizações por dia. Criadores de conteúdo, profissionais de marketing e social media precisam há tempos de ferramentas capazes de produzir rapidamente conteúdo visualmente atraente nesse formato. Até agora, a maioria dos geradores de vídeo com IA era voltada ao formato horizontal, "cinematográfico", 16:9, e os vídeos verticais tinham de ser recortados à mão, com perda de qualidade e de composição. Suporte nativo significa que o modelo já monta o quadro para a orientação vertical, com os objetos bem posicionados e atenção às proporções do rosto e do fundo.

A função de aumento de resolução, o upscaling, merece destaque. Os modelos de vídeo generativo ainda são limitados em resolução: o custo computacional de criar vídeo em 4K é astronômico. O upscaling permite gerar o clipe em resolução menor e depois ampliá-lo de forma inteligente, preservando detalhes e nitidez. É um compromisso pragmático que deixa o vídeo com IA adequado para publicação em plataformas que exigem pelo menos Full HD.

O contexto desta atualização não se entende sem a corrida competitiva. A OpenAI continua desenvolvendo o Sora, que já está disponível para assinantes do ChatGPT Plus. A Runway lança uma iteração atrás da outra do Gen-3 Alpha.

Empresas chinesas, como Kling, MiniMax e a ByteDance com seu próprio modelo, aceleram num ritmo assustador. Nesse ambiente, o Google não pode se dar ao luxo de ficar para trás, ainda mais porque o Veo está integrado ao ecossistema Gemini e, potencialmente, ao alcance de centenas de milhões de usuários pelos serviços do Google. Cada atualização de recursos não é só uma melhoria técnica, mas um movimento estratégico na disputa pelo mercado de vídeo generativo, que, segundo analistas, pode ultrapassar US$ 10 bilhões até 2028.

Vale notar também que a maior consistência com as imagens de referência resolve uma das principais dores dos usuários de modelos de vídeo generativo. Quando você envia a foto de uma pessoa específica e quer um vídeo exatamente com aquele rosto, até pequenos desvios, como outro formato de nariz, cor dos olhos alterada ou traços que "flutuam", destroem a ilusão. Para uso comercial, seja publicidade ou conteúdo para marcas, esses erros são inaceitáveis. Se o Google de fato conseguiu aumentar a fidelidade, o Veo se aproxima do limiar de viabilidade comercial.

As consequências práticas para usuários na Rússia são, por ora, limitadas: o acesso ao Veo pelos serviços do Google na Rússia é difícil, e a empresa oferece uma API completa a desenvolvedores terceiros apenas de forma seletiva. Ainda assim, a tendência é clara: a geração de vídeo com IA está deixando rapidamente de ser um brinquedo experimental para virar ferramenta de trabalho. Formato vertical, fidelidade às referências e aumento de resolução são tijolos na base de um futuro em que boa parte do vídeo nas redes sociais será criada não por uma câmera, mas por uma rede neural.

O Google fecha metodicamente a distância entre o que os modelos generativos podem fazer em teoria e o que o mercado real exige deles. Vídeo vertical a partir de uma foto de retrato não é uma revolução. É maturidade de engenharia, e é ela que vai definir quem ocupará, no fim, a posição dominante na indústria de vídeo com IA.

*A Meta é considerada organização extremista e está proibida na Federação Russa.